Introdução

Essa análise tem como objetivo analisar como está sendo a distribuição de vacinações entre gestantes e puérperas por raça. Os dados são obtidos em https://opendatasus.saude.gov.br/dataset/covid-19-vacinacao na data de 10/novembro/2021. A extração dos dados é realizada por meio de consultas à API ElasticSearch disponibilizada em https://opendatasus.saude.gov.br/dataset/covid-19-vacinacao.

Além disso, visando diminuir o volume de dados retornado pelas consultas, é realizada uma pré-filtragem dos dados diretamente na API, sendo retornados apenas registros cujo campo vacina_grupoAtendimento_codigo seja igual a 1901 (código para puérpera) ou 1801 (código para gestante). Essa etapa de extração foi realizada por meio de nossa parceira PCDaS (https://pcdas.icict.fiocruz.br/).

Dados tratados

Nos dados tratados foi mantido na base de dados somente observações que eram consistentes, ou seja, gestantes e puérperas entre 10 e 55 anos, sexo feminino e vacinação em 2021. Qualquer observação que fugisse dessas característticas foi descartada da análise.

Tabela cruzada

library(tidyverse)

dados_tratados <- readRDS("dados_vac_select.rds")

str(dados_tratados)
## tibble [1,739,579 × 17] (S3: tbl_df/tbl/data.frame)
##  $ paciente_id                  : chr [1:1739579] "7b2871edf517694a5f2aaba7e2c417bac06a6714f4bda690ca19c731ed3a5473" "3e889954ad1563d371469771b8fff9482095af658cb83ef640b781c569511f4f" "8b7980ad661929457febef1cde3d609098dcb61ed75c036295cbfc07f6770532" "a5af56adb33a1ba2758b8e4c31fb3d0a09a3315db9c10dd44f568bdd0b0cb4be" ...
##  $ dt_nasc                      : Date[1:1739579], format: "1996-05-26" "1989-05-16" ...
##  $ dt_aplic                     : Date[1:1739579], format: "2021-05-08" "2021-05-11" ...
##  $ dt_import                    : Date[1:1739579], format: "2021-05-18" "2021-05-17" ...
##  $ ano_aplic                    : int [1:1739579] 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 ...
##  $ mes_aplic                    : int [1:1739579] 5 5 5 5 5 5 5 5 5 5 ...
##  $ gest_puerp                   : chr [1:1739579] "puerp" "puerp" "puerp" "puerp" ...
##  $ idade_anos                   : num [1:1739579] 24 31 28 23 24 34 34 24 30 21 ...
##  $ raca                         : chr [1:1739579] "parda" "parda" "branca" "amarela" ...
##  $ resid_uf                     : chr [1:1739579] "BA" "GO" "PE" "PE" ...
##  $ resid_muni                   : num [1:1739579] 290570 520870 261400 260775 120040 ...
##  $ paciente_endereco_nmMunicipio: chr [1:1739579] "CAMACARI" "GOIANIA" "SERRITA" "ITAPISSUMA" ...
##  $ qual_vacina                  : chr [1:1739579] "AstraZeneca" "AstraZeneca" "Pfizer" "Pfizer" ...
##  $ num_dose                     : chr [1:1739579] "1a dose" "1a dose" "1a dose" "1a dose" ...
##  $ aplic_uf                     : chr [1:1739579] "BA" "GO" "PE" "PE" ...
##  $ aplic_muni                   : num [1:1739579] 291920 520870 261400 260960 120040 ...
##  $ aplicacao_muni               : chr [1:1739579] "LAURO DE FREITAS" "GOIANIA" "SERRITA" "OLINDA" ...
attach(dados_tratados) #criminoso contra a memória mas só foi assim

summarytools::ctable(raca, num_dose)
## Cross-Tabulation, Row Proportions  
## raca * num_dose  
## 
## ---------- ---------- ---------------- ---------------- ---------------- -------------- ------------------
##              num_dose          1a dose          2a dose   dose adicional     dose unica              Total
##       raca                                                                                                
##    amarela              159400 (57.8%)   115864 (42.0%)      187 (0.07%)    185 (0.07%)    275636 (100.0%)
##     branca              346261 (54.8%)   284091 (45.0%)      540 (0.09%)    551 (0.09%)    631443 (100.0%)
##   indigena                1193 (61.1%)      757 (38.7%)        4 (0.20%)      0 (0.00%)      1954 (100.0%)
##      parda              285581 (57.7%)   208611 (42.1%)      352 (0.07%)    411 (0.08%)    494955 (100.0%)
##      preta               46672 (57.3%)    34570 (42.5%)       70 (0.09%)    101 (0.12%)     81413 (100.0%)
##       <NA>              142064 (55.9%)   111490 (43.9%)      317 (0.12%)    307 (0.12%)    254178 (100.0%)
##      Total              981171 (56.4%)   755383 (43.4%)     1470 (0.08%)   1555 (0.09%)   1739579 (100.0%)
## ---------- ---------- ---------------- ---------------- ---------------- -------------- ------------------

Gráfico

p1 <- ggplot(dados_tratados, aes(x = num_dose)) +
  geom_bar(aes(fill = raca), position = "dodge") +
  scale_fill_viridis_d(na.value = "gray50") +
  labs(x = "Tipo de dose") +
  theme_bw()

plotly::ggplotly(p1)